Model Regresi Linier

Dua Variabel
Yefta Widianto
M0717090

U n i v e r s i t a s S e b e l a s M a r e t
 Content
1 Regresi Melalui Titik Origin
2 Skala dan Unit Pengukuran
3 Regresi Pada Variabel yang Distandarisasi
4 Bentuk Fungsional Model Regresi
5 Mengukur Elastisitas ( Log-Linier Model)
6 Semilog Model (Log-Lin dan Lin-Log Model)
7 Model Reciprocal
8 Memilih Bentuk Fungsional

Page 2
 1

Regresi Melalui Titik Origin

Page 3
 Regresi Melalui Titik Origin

intersep Regresi melalui

tidak ada atau 0 titik Origin

Appendix ≠0 =0
6A.1
r2 = mungkin negatif r2 = non negatif

BAB 3

Page 4
 Koefisien Determinasi r2

Tidak bisa langsung dibandingkan dengan

0 < r2 < 1 r2 conventional model

at i Leb
a ti-H ih B
H aik
using the zero intercept regression model Conventional
model

Alasan 1. Jika intersept ada dalam model tetapi tidak signifikan (sama dengan nol), maka didapat
model regression through the origin.
2. Jika faktanya ada intersept tetapi tetap ingin regression through the origin maka membuat
kesalahan pada asumsi klasik 9 regresi linier
BAB 3
Page 5
Contoh

Page 6
 Model regresi melalui origin YAKIN????
Mengingat tidak ada keyakinan yang
kuat dalam hipotesis bahwa αi=0

Peningkatan 1%
market rate of return Fisher Index(X)
Standar eror β dari (6.1.12) < (6.1.13)
menaikkan 1.09%
Mendukung pendapat Theil bahwa αi = 0, slope coefficient
Rate of return on Afuture Fund(Y)
dapat diukur lebih presisi

IK 95% slope coefficient

(0.6566 , 1.5232)  6.1.12 Lebih sempit
(0.5195 , 1.6186)  6.1.13
Page 7
 2

Skala dan Unit Pengukuran

 Skala dan Unit Pengukuran

!! !
ONS
BI LLI
S ! !!
LI O N
MIL

Page 9
 scale factors
De
fi n
i si k
an w=konstanta

Page 10
 HUBUNGAN

BAB 3
Page 11
 Contoh TABEL 6.2 GPDI dan GDP

GDP berubah 1 unit (1 billion),

maka rata-rata
GPDI berubah 0.3016 billions

GDP berubah 1 unit (1 millions),

maka rata-rata
GPDI berubah 0.000302 billions

Page 12
 3

Regresi Pada Variabel

yang Distandarisasi
 Regresi pada Variabel Terstandardisasi

Variabel dikatakan terstandaridisasi jika kita mengurangi nilai mean variable dari nilai individunya dan
membagi perbedaan dengan standar deviasi dari variable itu

i k! !! Yi* Standardized
enar Appendix 6A.2 Xi* Variabel
M Mean = 0
Standar Deviasi = 1

Β*1 , β*2 = Koefisien Beta

Interpretasi model
(6.3.5)
Jika (standardized) regressor meningkat 1 standar deviasi,
Standardized maka (standardized) regressand meningkat sebesar β* 2
intercept =0 unit standar deviasi
Page 14
 Contoh TABEL 6.2 GPDI dan GDP

GDP berubah 1 unit (1 billion),

maka rata-rata
GPDI berubah 0.3016 billions

Jika (standardized) GDP meningkat 1 standar deviasi,

maka (standardized) GPDI meningkat sebesar 0.94
standar deviasi

Keuntungan :
1. Lebih jelas jika regressor lebih dari satu (Chapter 7)
2. Regressor Setara dan dapat langsung dibandingakan
3. Koefisien Beta dapat digunakan sebagai ukuran relative kekuatan berba-
gai regressor (Chapter 8)
Page 15
 4

Bentuk Fungsional
Model Regresi
 Bentuk Fungsional Model Regresi

Pada bagian ini pada model regresi yang umum digunakan yang biasanya linier dalam parameter dan
nonlinier dalam variable atau yang dapat dibuat dengan transformasi variabel

1. Log-Linier Model
2. Semilog Models
3. Reciprocal Models
4. Logaricthmic Reciprocal Model

Page 17
 5

Log-Linier Model
 Log-Linier Model

Diketahui model regresi eksponensial

x ln
β2 = elastisitas Y dan X

Persentase perubahan Y dari persentasi

perubahan X
(6.5.3)

Linier in parameter α and β

Linier in logarithms variable Y and X disebut Log-Linier
Page 19
Contoh
Elastisitas EXPDUR dengan PCEXP ??

Elastisitas
Jika total PCEXP naik 1%, maka
EXPDUR meningkat 1.90%

Responsif
Produsen Durable goods harus WASPADA !!!
Page 20
 6

Semilog Model
Log-Lin dan Lin-Log Model
 Gro
Log – Lin Model wth
Rat
Misal Table 6.3
Money Supply
Pro
e !!!
Tingkat Pertumbuhan Konsumsi Pribadi ??? GNP duk
tiv
itas
Defisit Perdagangan ul asi
Rumus Bunga Majemuk Pop

Page 22
Log – Lin Model

Semilog Models
(hanya satu variable)

Disebut

LOG – LIN Model

Page 23
 Log – Lin Model

Slope Coefficient

Jika mengalikan perubahan relative Y dengan 100

=
Growth Rate Y untuk perubahan absolut X

Disebut

Semielastisitas Y untuk X

Page 24
 Contoh

Tabel 6.3 : Tingkat Pertumbuhan pengeluaran pada Service

Tingkat Pertumbuhan = 0.743% Pertumbuhan Sesaat (waktu t)

Pertumbuhan Gabungan

Tingkat Pertumbuhan = 0.746% per quarter

Page 25
Linier Trend Model
Jika Slope Coefficient = positif  Trend Naik
= negative  Tren Turun

Pada Contoh

Pertumbuhan Absolut = 20 billion dollar per quarter

(6.6.8) Perubahan Relatif  secara umum lebih relevan

(6.6.10) Perubahan Absolut

Page 26
 Lin – Log Model

Perubahan absolut Y untuk perubahan X

Slope Coefficient

LIN – LOG Model

Jika (▲X/X ) berubah 0.01unit (1%),

perubahan absolut Y = 0.01(β2)
Page 27
 Contoh

Model Lin – Log :

Peningkatan 1% Total Expenditure akan

meningkatkan 2.57 rupee Food Expenditure

Page 28
 7

Reciprocal Models
 Reciprocal Models

Sifat :
Apabila X bernilai sangat besar, maka Y akan memiliki harga mendekati β1

Philips Engel
Page 30
Contoh

Tabel 6.4 : Tingkat Kematian anak (CM) dan Pendapatan (GNP)

Model Reciprocal

Apabila GNP meningkat, maka CM akan

mendekati 82 kematian/seribu

Page 31
Kurva Philips

Upah meningkat lebih cepat untuk 1 unit peruba-

han pengangguran jika tingkat penganguran
dibawah Un

Inflasi

t er 17
p
in Cha

Page 32
 Contoh
Model Linier
Tabel 6.5 : Tingkat Inflasi dan Tingkat Pengangguran

Apabila Penganguran turun 1%, inflasi naik 0.7% atau sebaliknya

Model Reciprocal

Apabila Penganguran naik, inflasi turun 3.32%

Page 33
 8

Logarithmic Reciprocal Models

Logarithmic Reciprocal Models

Fungsi Produksi
Jangka Pendek

pt er7
in Cha

Page 35
 8

Memilih Bentuk Fungsional

 Memilih Bentuk Fungsional

Pedoman Pemilihan :

1. Melihat teori yang mendasarinya

2. Mengetahui tingkat perubahan (slope) dan elastisitas regresan dengan regresor.

Page 37
 Memilih Bentuk Fungsional

3. Koefisien model yang dipilih harus memenuhi ekspektasi apriori

(Contoh : Jika kita mempertimbangkan permintaan untuk mobil sebagai fungsi dari harga
dan beberapa variable lainnya, kita mengharapkan koefisien negative untuk
variable harga.

4. Kadang lebih dari satu model mungkin cocok dengan serangkaian dara yang digunakan
 liat dari nilai r2 terbesar.

5. Namun, secara umum tidak boleh terlalu menekankan ukuran r 2, bahwa semakin tinggi se-
makin baik (Chapter 13)

Page 38
Kesimpulan
1 Regresi Melalui Titik Origin
2 Skala dan Unit Pengukuran
3 Regresi Pada Variabel yang Distandarisasi
4 Bentuk Fungsional Model Regresi
5 Mengukur Elastisitas ( Log-Linier Model)
6 Semilog Model (Log-Lin dan Lin-Log Model)
7 Model Reciprocal
8 Memilih Bentuk Fungsional

Page 2
Thank you
LIKE
COMMENT
SUBSCRIBE